А чем нынче модно на перле с XML работать?

[dil]

Задача: зачитать XML (лучше, если при этом будут допускаться небольшие ошибки в виде тегов, закрытых в неправильном порядке. или так не бывает?)
кое-что поудалять, для некоторых поддеревьев выколупать значения и выдать их наружу. В базу.
Всё, ничего более сложного не требуется.

Upd: xml - не самоцель, это промежуточный способ хранения данных, выколупанных из pdf. Если есть возможность работать непосредственно с pdf, то она тоже подойдёт.

Comments

[dil.livejournal.com]

я этот xml получил из pdf посредством pdftohtml. и оказалось, что там в некоторых местах b и i закрываются в неправильном порядке, отсюда и вопрос. Я не знаю, проблема ли это pdftohtml или внутри pdf ошибка, да это и не существенно, вообще говоря :)

Не, xslt совсем не проще, нужна довольно эвристическая обработка.

[ctpeko3a.livejournal.com]

Если тэги закрываются в неправильном порядке, то это что угодно, но не XML.

[dil.livejournal.com]

Да я понимаю, но так уж склалось :)

[bormotov.livejournal.com]

...значит работать с этой разметкой как с xml сходу не получится.

Если то, что насоветовали будет валиться с ошибками (или потерей содержимого в теех местах где перепутаны теги), то прийдется искать что-то, чем можно ненапряжно пропарстть markup

[zarr.livejournal.com]

хех :)
есть тулза которая из html xml делает... tiny называлась раньше...